智能老人监护系统是计算机视觉技术的一种新型应用,其最主要的技术之一是运动目标的识别及分割。因为智能老人监护系统的应用场景是复杂多变的,所以精确完整地分割出运动目标存在一定的难度。为了在多重复杂的监护场景中检测出较为准确、完整的运动目标,本文将针对该系统中的图像处理方法和运动目标检测算法进行研究。本文采用中值滤波、形态学处理和连通域处理等方法实现了目标检测的前期处理,并使用帧间差分法、混合高斯模型算法和码本模型算法实现了运动目标的检测与分割。帧间差分算法主要适用于前景像素点与背景像素点存在明显变化的监护系统;但是该方法分割出的运动目标存在空洞,所以通常作为其他目标检测算法的辅助检测方法。混合高斯模型主要使用几个高斯分布模型来拟合像素点的变化规律。本文实现了基于混合高斯模型的运动目标检测算法,定量分析学习率和高斯分布个数对检测效果的影响,并给出一组普遍适用的参数值。码本算法的基本思想是根据一段时间的像素采样值进行量化编码成码字,该方法存在三个问题:建立的背景模型无法适应场景的缓慢光线变化;建立背景模型后,新出现的背景会被一直当成前景目标;另外监护场景发生重大变化的时候,建立的背景模型无法检测运动目标。针对上述的三个问题,本文对传统的码本模型进行改进:以方块状的灰度颜色空间取代传统码本模型中的圆柱形RGB颜色空间,解决缓慢光线变化的问题;通过主码本与缓存码本的双层码本模型解决监护场景中新出现物体时的背景更新问题。缓存码本的作用是对主码本建立后出现的新物体进行量化编码,即根据设置的时间阈值将缓存模型中存活时间较长的码字移至主码本。另外通过在场景突变时建立缓存码本,将满足一定时间阈值的缓存码本取代主码本成为新的背景码本,实现背景的重新矫正。改进的双层码本模型的码字占用空间小;码字匹配更新的过程不涉及复杂的浮点运算,所以运算效率更高。本文将改进的双层码本模型与传统的码本模型在检测效果与消耗时间上做了实验对比,证明了改进的双层码本模型鲁棒性更强,检测效率更高。